1 / 12

Sınıflandırma Modeli

Sınıflandırma Modeli. K-Nearest Neighbor Sınıflandırıcı. /12. K-Nearest Neighbor (K-En Yakın Komşu) Sınıflandırıcısı. Benzerlik ile öğrenme : Bana arkadaşını söyle, sana kim olduğunu söyleyeyim ( Tell me who your friends are and I’ll tell you who you are )

linnea
Download Presentation

Sınıflandırma Modeli

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Sınıflandırma Modeli K-Nearest Neighbor Sınıflandırıcı /12

  2. K-Nearest Neighbor (K-En Yakın Komşu) Sınıflandırıcısı Benzerlik ile öğrenme: Bana arkadaşını söyle, sana kim olduğunu söyleyeyim (Tell me who your friends are and I’ll tell you who you are) “Sarı saçlı kız” ı yeni bir örnek olarak düşünelim. Mevcut sınıflar içerisinde kendisine en yakın özelliklere sahip olan sınıfa dahil olacaktır.

  3. B E ? B A B A Sınıf: B K-Nearest Neighbor Algoritması • Gelen yeni bir örneğin (E) hangi sınıfta dahil olacağına karar verelim: • Yeni örnek E ‘ nineğitim seti içerisinde yer alan bütün örnekler ile arasındaki uzaklığı (distance)hesaplanır • E için eğitim seti içerisindeki en yakın k örnek seçilir • E , en yakın k komşusu arasında en fazla olan sınıfa atanır

  4. K-Nearest Neighbor Sınıflandırıcı Komşular arasındaki uzaklık • Her örnek nümerik değerlerden oluşan bir özellikler kümesi ile gösterilir • İki örnek arasındaki uzaklık Euclidean distance ile hesaplanır ve “Yakınlık” olarak adlandırılır • X ve Y arasındaki Euclidean distance X=(x1, x2, x3,…xn) ve Y =(y1,y2, y3,…yn) ise: • Distance (Mert, Ayla)=sqrt [(35-22)2+(35bin-50bin)2 +(3-2)2] Mert: Yaş=35 Gelir=35bin Kredi kartı sayısı=3 Ayla: Yaş=22 Gelir=50bin Kredi kartı sayısı=2

  5. B B A A Sınıf: B /12 K-Nearest Neighbor: Öğrenme Tabanlı Örnek • Model kurulmaz: Eğitim verisindeki bütün örnekler kullanılır • Gelen yeni bir örnek sınıflandırılıncaya kadar her türlü işlem bekletilir B

  6. K-Nearest Neighbor Sınıfladırıcı Örnek : 3-Nearest Neighbors

  7. K-Nearest Neighbor Sınıflandırıcı Örnek B

  8. K-Nearest Neighbor Sınıflandırıcısı Sağlam ve Zayıf Yönler Sağlam: • Uygulamak ve kullanmak basittir • Anlaşılabilir – tahmini açıklamak kolaydır • Gürültüye sahip veriler için sağlamdır Zayıf: • Bütün örneklerin saklanması için çok hafızaya ihtiyaç vardır • Yeni bir örneği sınıflandırmak çok zaman alır (gelen yeni bir örneğin diğer örneklerle mesafesinin hesaplanması ve karşılaştırılması) /12

  9. Yaş >= 40 H E Sınıf=A Gelir>=50K B H E B A Sınıf = B KKsayısı > 3 B A Sınıf: B E H Sınıf = B Sınıf = A K-Nearest Neighbor Sınıflandırıcı K-Nearest Neighbors (K-Enyakın Komşuluk) Sınıflandırma Ağaç Modeli

  10. K-Nearest Neighbor Sınıflandırıcı olsaydı Mert: yaş=35 gelir=150bin Kredi kartı sayısı=3 Ayla: yaş=22 gelir=215bin Kredi kartı sayısı=2 Distance (Mert, Ayla)=sqrt [(35-22)2+(150,000-215,000)2+(3-2)2] • Komşular arasındaki mesafeyi hesaplarken bazı özellikler baskın olmaktadır. Örneğimizde gelir özelliğinin olduğu gibi. Bu tip değerlerin normalize edilmesi önemlidir. • Örnek: gelir yüksek gelir = 500bin Mert’in geliri150/500, Ayla’nın geliri de 215/500 olarak normalize edilir

  11. K-Nearest Neighbor Sınıflandırıcı Değişkenlerin Normalize edilmesi B

  12. K-Nearest Neighbor Sınıflandırıcısı • Uzaklık (distance) normalde nümerik değerler kullanılarak hesaplanır D = sqrt [(35-37)2+(35-45)2 +(3-2)2]=10.25 Nominal bir özelliğe sahip olsak ? Örnek: evli /12

More Related